利用基于局部环境的图卷积网络预测材料的电荷密度分布
计算物理
2019-11-13 v1 数据分析、统计与概率
摘要
材料的电子电荷密度分布是计算材料科学中的关键量之一，因为在理论上它决定了基态能量，而在实践中它被用于许多材料分析。然而，密度泛函理论计算随原子数的标度限制了基于电荷密度的计算与分析的使用。在此，我们引入一种带有基于局部环境的图和图卷积神经网络的机器学习方案，从晶体结构预测网格点上的电荷密度。我们通过比较预测的电荷密度以及由电荷密度导出的性质展示了该方案的准确性，且其标度为O(N)。更重要的是，相对于不同组分和结构，其可迁移性被证明很高，这源于对几何的显式编码。
引用
@article{arxiv.1907.10649,
title = {Predicting charge density distribution of materials using a local-environment-based graph convolutional network},
author = {Sheng Gong and Tian Xie and Taishan Zhu and Shuo Wang and Eric R. Fadel and Yawei Li and Jeffrey C. Grossman},
journal= {arXiv preprint arXiv:1907.10649},
year = {2019}
}